Tag: Inteligencia competitiva

En este post desglosamos los tres problemas más habituales que hacen fracasar un proyecto de monitorización de precios o pricing. De todo problema puede surgir una oportunidad si aprendemos a resolver de forma inteligente estos problemas habituales en pricing.  Por este motivo, además de exponer estos problemas, aportamos soluciones smart para enfrentarnos a ellos.

Problema 1: BIG DATA.

Los proyectos de monitorización de precios implica mantener ciento de miles o millones de precios diarios. Es complicado sacar a flote la información relevante frente al océano de datos que este  tipo de proyectos posee. Cuando el volumen de datos es alto, no solo es complicada la extracción de los datos, sino además encontrar la  información relevante se convierte en un reto

Por lo que,  ¿cómo evitamos este problemas?¿cómo encontramos la información relevante? Lo mostramos con un ejemplo.

Ejemplo. Amenazas y Oportunidades.

En un proyecto de pricing para una empresa de medio de transporte, los precios recopilados para rutas, días, horarios y billetes de viaje, se empleó un sistema de oportunidades y amenazas.

  • Amenazas. Es cuando el precio de la competencia está anormalmente bajo. Gracias a esta información, evitamos perder clientes y podemos actuar en consecuencia ante esta amenaza.
  • Oportunidades. Si el precio de mi competencia es habitualmente alto pero en algunos días es aún más alto, podemos aprovechar para subir nuestros precios y no perderé clientes.

AMENAZAS Y OPORTUNIDADES_Monitorización de precios¿Qué debe aportar un sistema respecto al volumen de datos?

  • Que extraiga datos de cualquier web.
  • Que te permita analizar cualquier precio. A través de un modelo, el sistema debe ser de ayuda para ver lo realmente relevante y no demorarse en temas accesorios.
  • Que posea un sistema de alertas: recibir alertas vía email.
  • Facilidad en extraer un histórico de los datos.

Problema 2: ONE SIZE DOESN´T FIT ALL. 

Cada sector posee peculiaridades diferentes que requieren soluciones diferentes por lo que “one size doesn´t fit all”. Es decir, no existe una única fórmula ni un software único y fijo para todo tipo de proyectos de pricing.

Por lo que, ¿qué debemos tener en cuenta a la hora de elegir un software de monitorización de precios?

Ejemplo. Establecer elementos de filtraje adaptado al proyecto. 

Para un proyecto de viajes, tener un sistema de filtros sencillos para visualizar los datos a través de una gráfica que nos permita analizar los precios.

 

Filtraje_monitorizacion de precios

¿Qué debe aportar un sistema respecto a las peculiaridades del proyecto?

  • La herramienta debe adaptarse al sector y no el sector a la herramienta
  • La visualización de los datos debe adaptarse a las necesidades del proyecto
  • Debe poseer elementos de filtraje para facilitar la visualización de los datos.

Problema 3: PRODUCT MATCHING. 

Para la comparación de la competencia cada empresa nombra un mismo producto de forma diferente. Esto es un problema de product matching. 

El proceso de  Product Matching consiste en relacionar para distintas fuentes aquellos productos que son el mismo. Dependiendo del sector, el problema del Product Matching es más complejo o no.

Problema 3: Productos de Gran Consumo.

En los proyectos de productos de gran consumo (supermercado, zapatería, por ejemplo), determinar cuando un producto en dos webs diferentes es el mismo, puede ser trivial.

Existen dos enfoques para solventar el problema que conlleva el Product Matching: técnica de similitud de textos y técnicas de aprendizaje automático para generar modelos que realicen el matching entre productos.

Product Matching_monitorizacion de precios

¿Qué debe aportar un sistema respecto al Product Matching?

En muchos sectores como el retail, electrónica y productos de gran consumo, este problema es algo muy importante y habitualmente se pasa por alto (overlook) no se le da la importancia que realmente tiene. Es fundamental que un sistema de pricing tenga una herramienta sofisticada que ayude a realizar el Product Matching.

Estos tres problemas son requisitos mínimos que debe tener en cuenta cualquier proyecto de pricing, pero, también, cada proyecto posee necesidades específicas según el sector y tipo de empresa sea.

A continuación os especificamos cinco necesidades específicas en proyectos de monitorización de precios:

  • OBTENER PRECIOS DESDE DISTINTOS PAÍSES SOBRE UNA MISMA WEB. Para una misma web y un mismo producto, poseen precios diferentes según desde que IP se entre en la misma.
  • OFUSCACIÓN DE PRECIOS. A partir de un seguimiento del precio podemos hacer acciones que nos ayude a mejorar nuestra oferta. Si entendemos el patrón de fijación de precios de la competencia, podemos darle la vuelta a la situación y atacar con una estrategia de choque.
  • POSICIONAMIENTO EN BUSCADORES. El objetivo aquí es saber qué precio poner para aparecer en las primeras posiciones dentro de un buscador de precios.
  • MODELIZACIÓN DE PRECIOS. Generación de modelos predictivos para determinar la evolución del precio de la competencia. Modelización de precios y elasticidad a partir de datos internos para la fijación de precios óptimos. Es posible modelizar el efecto del precio en la demanda (elasticidad) con vista a incrementar los beneficios.
  • CAMBIOS AUTOMÁTICOS DE PRECIOS. En algunos casos, tener acceso al sistema interno de una empresa permite automatizar con ciertas reglas el cambio de los precios propios. Si la competencia está por debajo de “equis” €uros, automáticamente el sistema puede bajar un tanto por ciento menos. Ejemplo: “Bajar 20€ más el precio” si la competencia baja los precios a 25€.
  • INTELIGENCIA COMPETITIVA. Al extraer los datos de una web, no solo extraemos los precios de los productos de venta, sino además podemos saber si hay productos nuevos o productos que se han dejado de vender.

En este post incluimos algunos ejemplos de proyectos relacionados con la minería web en los que ITelligent ha participado. Estos proyectos pueden dar una estupenda idea de cómo se puede emplear la minería web que explicábamos en un post anterior.

Inteligencia Comercial para el sector Fotovoltaico y Termosolar

Este proyecto consistió en la obtención de inteligencia comercial para el sector fotovoltaico y termo-solar, el resultado fue un sistema que permite a sus usuarios obtener una ventaja competitiva gracias a que el sistema les permite monitorizar todos los proyectos de energía solar que se publican en España y disponer para cada uno de ellos de una información lista para ser aprovechada comercialmente.

ITelligent_Inteligencia_Comercial_Fotovoltaico_Termosolar

Para este proyecto se desarrolló un “pipeline” muy complejo que a continuación se describe:

  • Diariamente se extraen unos 4000 documentos de unas 70 webs de diversas administraciones públicas españolas.
  • Los 4000 documentos son clasificados automáticamente para detectar aquellos cuya temática sea sobre energía fotovoltaica y/o termo-solar (ej. solicitud de licencias de proyectos, declaraciones de impacto ambiental, concursos, …).
  • Cada uno de los documentos detectados en el paso anterior, son sometidos a un sistema automático de extracción de información para obtener determinada información relevante (ej. nombre del promotor del proyecto, ubicación del proyecto, potencia del proyecto, …).
  • La información obtenida en el paso anterior es enriquecida de forma automática con información adicional procedente de otras páginas web (ej. información catastral, geolocalización en mapa, etc.).
  • Por último los datos son agregados en un mashup que permite el filtrado y el acceso a toda la información de una forma muy amigable.

Sistema de Minería de Opinión para el sector Automovilístico

En este proyecto el cliente requería la monitorización de diversas páginas web de automóviles con contenidos subjetivos (comentarios) y la extracción de inteligencia de estos comentarios. El resultado es un sistema que permite determinar de cada automóvil del que se habla, de que elemento del mismo se habla (ej. seguridad, conducción, habitáculo) y si se habla positivamente o negativamente.

ITelligent_mineria_opinon_automovilistico

Inicialmente el cliente indicó las características que quería estudiar de los automóviles (ej. precio, habitáculo, servicio, seguridad, …) y las páginas web que deseaba monitorizar. Una vez definido lo anterior se desarrolló, en colaboración con los profesores de la Universidad de Sevilla doctores José Antonio Troyano y Fermín Cruz, el sistema que a continuación se describe:

  • Diariamente se extraen los datos de las distintas webs (comentarios y otros).
  • Los datos son procesados por un sistema de minería de opinión de última generación, que permite detectar de qué característica del coche se habla en un comentario y si se habla positivamente o negativamente.
  • El resultado del paso anterior es formateado según las especificaciones del cliente y enviado al mismo.

Inteligencia Competitiva para Ayudas y Subvenciones

En este proyecto el cliente necesitaba obtener todas las ayudas que diariamente se publican en España (sobre 30.000 ayudas al año), clasificarlas y obtener una ficha de cada una de las convocatorias, automatizando lo más posible con vistas a minimizar el esfuerzo manual. El cliente permite ofrecer a sus usuarios una información muy completa de todas las ayudas y subvenciones casi en tiempo real.

ITelligent_mineria_opinion_Ayudas y subvenconesl

Inicialmente el cliente definió como deberían ser clasificadas cada una de las ayudas localizadas, esta clasificación jerárquica permite posteriormente filtrar y crear alertas. Además para cada una de las convocatorias de ayudas se crea una plantilla con diversos campos (ej. plazo, objeto de la convocatoria, …), que permite disponer de una información homogenizada.

Para este proyecto se desarrolló un “pipeline” muy complejo que a continuación se describe:

  • Diariamente se extraen un número muy elevado de documentos de unas 80 webs de diversas administraciones públicas españolas.
  • Los documentos son clasificados automáticamente en función de las categorías definidas por el cliente (ej. I+D+i, urbanismo, juventud, …).
  • Cada uno de los documentos detectados como convocatorias son procesados para extraer determinada información con vistas a crear una ficha de cada convocatoria (ej. plazo de la convocatoria, objeto de la convocatoria,…).
  • La información es diariamente puesta a disposición del cliente junto a unas herramientas que permiten supervisar los resultados. Al mismo tiempo esta supervisión es utilizada como feedback para la mejora de los modelos de extracción y clasificación.